• sum()聚合

基本案例：
patition 表示分组，但是该分组和group by有些区别，具体在文章下面会有讲解
rows between表示以行为标准计算sum(也可以使用其他的标准，下面有讲),unbounded表示无边界的：

• UNBOUNDED PRECEDING：表示窗口的起始点没有限制，即从最开始的行开始计算。

• UNBOUNDED FOLLOWING：表示窗口的结束点没有限制，即计算到最后一行。
  current row表示当前行也加入操作

  sum(amount_percent) over(partition by cat_name order by amount_percent desc rows between unbounded preceding and current row) as amount_percent_num

当前日期以及前六天(visited_on)的amount之和
RANGE BETWEEN表示以范围为标准计算sum，这里范围标注为：INTERVAL '6' DAY(日期) PRECEDING
INTERVAL 是用于指定相对时间间隔的关键字。它可以与RANGE或ROWS一起使用，用于定义窗口的边界,后面跟'n'
'n' DAY FOLLOWING：表示相对于当前日期的后n天

SUM(amount) OVER (ORDER BY visited_on RANGE BETWEEN INTERVAL '6' DAY PRECEDING AND CURRENT ROW) AS sum_amount

例题:
表: Customer

在 SQL 中，(customer_id, visited_on) 是该表的主键。
该表包含一家餐馆的顾客交易数据。
visited_on 表示 (customer_id) 的顾客在 visited_on 那天访问了餐馆。
amount 是一个顾客某一天的消费总额。

你是餐馆的老板，现在你想分析一下可能的营业额变化增长（每天至少有一位顾客）。

计算以 7 天（某日期 + 该日期前的 6 天）为一个时间段的顾客消费平均值。average_amount 要 保留两位小数。

结果按 visited_on 升序排序。

返回结果格式的例子如下。

示例 1:

输入：

解释：
第一个七天消费平均值从 2019-01-01 到 2019-01-07 是restaurant-growth/restaurant-growth/ (100 + 110 + 120 + 130 + 110 + 140 + 150)/7 = 122.86
第二个七天消费平均值从 2019-01-02 到 2019-01-08 是 (110 + 120 + 130 + 110 + 140 + 150 + 80)/7 = 120
第三个七天消费平均值从 2019-01-03 到 2019-01-09 是 (120 + 130 + 110 + 140 + 150 + 80 + 110)/7 = 120
第四个七天消费平均值从 2019-01-04 到 2019-01-10 是 (130 + 110 + 140 + 150 + 80 + 110 + 130 + 150)/7 = 142.86

代码：

-- 解：这里就要介绍窗口函数的移动求和，移动平均了
SELECT DISTINCT visited_on,
                sum_amount AS amount,
                ROUND(sum_amount/7, 2) AS average_amount
-- 以下是解决前六天包括当前的总和（有可能某一天不存在客人）
FROM (
         SELECT visited_on,
                SUM(amount) OVER (ORDER BY visited_on RANGE BETWEEN INTERVAL '6' DAY PRECEDING AND CURRENT ROW) AS sum_amount
         -- 以下是计算每天的金额总量
         FROM (
                  SELECT visited_on,
                         SUM(amount) AS amount
                  FROM Customer
                  GROUP BY visited_on
              ) a
     ) b
-- 最后手动只要覆盖完整7天的数据
WHERE DATEDIFF(visited_on, (SELECT MIN(visited_on) FROM Customer)) >= 6

• 专用窗口函数rank

假设一段代码：

select *,
   rank() over (partition by 班级
                 order by 成绩 desc) as ranking
from 班级表

注意：group by分组汇总后改变了表的行数，一行只有一个类别。而partiition by和rank函数不会减少原表中的行数

• 其他窗口函数

举个例子：

select *,
   rank() over (order by 成绩 desc) as ranking,
   dense_rank() over (order by 成绩 desc) as dese_rank,
   row_number() over (order by 成绩 desc) as row_num
from 班级表

从上面的结果可以看出：

rank函数：这个例子中是5位，5位，5位，8位，也就是如果有并列名次的行，会占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，4。
dense_rank函数：这个例子中是5位，5位，5位，6位，也就是如果有并列名次的行，不占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，2。
row_number函数：这个例子中是5位，6位，7位，8位，也就是不考虑并列名次的情况。比如前3名是并列的名次，排名是正常的1，2，3，4。